文献类型：期刊文章

作　　者：王来刚[1,2] 郑国清[1,2] 郭燕[1,2] 贺佳[1,2] 程永政[1,2]

WANG Laigang;ZHENG Guoqing;GUO Yan;HE Jia;CHENG Yongzheng(Institution of Agricultural Economy and Information,Henan Academy of Agricultural Sciences,Zhengzhou 450002,China;Henan Engineering Laboratory of Crop Planting Monitoring and Warning,Zhengzhou 450002,China)

机构地区：[1]河南省农业科学院农业经济与信息研究所,郑州450002 [2]农作物种植监测与预警河南省工程实验室,郑州450002

出　　处：《农业机械学报》

基　　金：国家重点研发计划项目(2018YFD0300702);河南省重大科技专项(171100110600);河南省农业科学院创新团队项目(2021TD11)。

年　　份：2022

卷　　号：53

期　　号：1

起止页码：198-204

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提高大尺度冬小麦产量预测精度,以2005—2019年河南省遥感数据、气象数据、土壤含水率等多源时空数据为特征变量,分析其与小麦单产的相关性,并基于随机森林算法对特征变量进行了重要性分析,构建了融合多源时空数据的冬小麦产量预测模型。结果表明:增强型植被指数(Enhanced vegetation index,EVI)、日光诱导叶绿素荧光(Solar-induced chlorophyll fluorescence,SIF)与高程为小麦产量预测的重要因子,与小麦产量呈高度正相关,对小麦产量预测的重要性指标均超过0.45,远大于土壤含水率、降水量、最高温度、最低温度等因子;基于随机森林算法构建的小麦不同生长阶段产量预测模型中,以10月—次年5月和10月—次年4月为特征变量的产量预测模型精度较高,R^(2)分别为0.85和0.84,RMSE分别为821.55、832.01 kg/hm^(2),在空间尺度上,豫西和豫南丘陵山地模型预测相对误差高于平原地区。该研究结果可为大尺度作物产量预测提供参考。

关 键 词：冬小麦 产量预测  遥感 多源时空数据  随机森林算法  

分 类 号：S127]